DEEP REPORT | AI 产业观察 | 2026.11
中美大模型的 2026 年真实坐标:从 3 分到 13 分

▲ 两把尺子,两座算力:左侧抬高上界,右侧铺开底面(AI 生成插图)
说明:本文以「中美差距正在拉大」这一流行判断为起点,用公开榜单、财报口径与产业数据重新检验。所有数字标注来源;厂商自述与第三方测算严格区分,匿名信源指控单独标注。
2026 年 10 月 27 日,Artificial Analysis 将 Intelligence Index 升级到 v5.0。次日 Gemini 4 Carbon 以 59 分登顶,中国最强的 Kimi K3.1 Pro 是 46 分——差 13 分。三天前,同一批模型在旧榜单上只差 3 分。
同一周,OpenRouter 上中国模型周调用量 93.54 万亿 Token,美国 22.47 万亿——4.2 倍,连续 26 周。
两个数字并不矛盾:美国在抬高能力的上界,中国在铺开能力的底面。 这不是一场追赶游戏,而是两种生意在同一张棋盘上互相挤压。
换尺子:3 分如何变成 13 分
| 模型 | 国家 | v4(10/24) | v5(10/27) | 变化 |
|---|---|---|---|---|
| Gemini 4 Carbon | 美 | 53(Argon) | 59 | +6 |
| Claude Opus 5.5 | 美 | 58 | 58 | 0 |
| GPT-6 Astra | 美 | 53 | 57 | +4 |
| Kimi K3.1 Pro | 中 | 55 | 46 | −9 |
| Qwen3.8 Max | 中 | — | 34 | — |
| DeepSeek V4.1 Flash | 中 | 45 | 32 | −13 |
| GLM-5.3 | 中 | 45 | — | — |
(来源:Artificial Analysis 榜单快照)
不是中国模型退步了,是考题换了。 v5 将 60% 题目改为私有数据集或隐藏答案,大幅提高长程智能体任务权重:旧尺子考「你知不知道」,新尺子考「你能不能连续干三天不偷懒」。
Gemini 4 Carbon 只强化了三项——长程任务稳定性、3D 生成、网络安全。共性不是「更聪明」,而是对错可被机器直接判定:代码跑不跑得通、场景崩不崩、补丁修不修得掉。
| 方向 | 基准 | Carbon | 上一代/对手 |
|---|---|---|---|
| 长程编码 | Terminal-Bench 4.0 | 65.2% | Argon 57.1 / Opus 59.6 |
| 长上下文 | GraphWalks(256k–1M) | 96.2% | Astra 71.8 |
| 漏洞修复 | CWE-bench | 71.0% | Argon 68.0 |
| 漏洞发现 | SEC-bench Pro | 88.2% | Astra 85.4 |
(来源:Google DeepMind 官方评测方法页,2026-10-28)
SuperCLUE 11 月榜(19 模型、非公开测试集)交叉验证:Gemini 4 Argon 73.62,Kimi 61.46(−12.16),DeepSeek 58.95(−14.67),GLM-5.3 50.66,豆包 42.06。分项差距集中在高价值维度:精确指令遵循 −24.14、幻觉控制 −15.41,而超长上下文只差 −8.38。「读得多」已追平,「按复杂要求精确办事」和「敢把关键判断交给它」还差得远。
那「2.7%」呢?斯坦福 AI 指数称 3 月时差距仅 2.7%,施密特说 6 个月,Mozilla 拟合 4.4 个月。这些都没错——Kimi 在 SWE-Marathon 上甚至以 51.7% 超过 Opus 5.5 的 46.3%。但它们量的是单点任务;评测切换到长程自主,同批模型的位置就会重排。2.7% 和 13 分,不在同一个考场。
说「只差两个月」的人量的是会不会答题,说「差距拉大」的人量的是能不能替你上三天班。
差距的形状:两条方向相反的曲线
| 维度 | 美国 | 中国 | 领先方 |
|---|---|---|---|
| 前沿综合能力(AA v5) | 59 | 46 | 美 +13 |
| 精确指令遵循(SuperCLUE) | 68.97 | 44.83 | 美 +24 |
| 周调用量(OpenRouter) | 22.47 万亿 | 93.54 万亿 | 中 4.2 倍 |
| 单任务成本 | 5.98 美元 | 0.26 美元 | 中便宜 23 倍 |
| AI 年化收入(头部合计) | 1,050 亿美元 | 110 亿美元 | 美 9.5 倍 |
| 2026 资本开支 | 6,600–6,900 亿美元 | — | 美一个量级 |
| 开源生态下载/衍生 | — | 全球第一 | 中 |
(来源:AA、SuperCLUE、OpenRouter 10/19–25 周、Epoch AI、InfoWorld)
最值得盯住的是「能力差 13 分」与「成本差 23 倍」同时成立:中国走的不是「追赶前沿」,而是「把智能做成基础设施」——前者比上界,后者比渗透率。
收入侧(Epoch AI,10/6):OpenAI + Anthropic 合计约 1,050 亿美元年化;中国六家(字节、阿里、智谱、月之暗面、DeepSeek、MiniMax)合计约 110 亿——且字节 40 亿是目标值,阿里 24 亿只算 MaaS。
中国赢在把智能变便宜,美国赢在把智能变贵。而贵的那部分,恰好是利润所在。
美国为何加速:三个复利
资本复利。 2026 年五大云资本开支合计 6,600–6,900 亿美元,近上年两倍(亚马逊 2,200 亿、Alphabet 约 2,000 亿、微软约 1,750 亿、Meta 1,300–1,450 亿、Oracle 约 500 亿)。Anthropic 已签算力合同至少 6,570 亿美元,期限最长到 2045 年——把未来二十年的算力提前锁进今天的合同。
迭代复利。 DeepMind 超九成代码合并请求中 AI 生成占比达 75%,纯 AI 完成(人类干预 ≤3 轮)的合并请求从 4 月的 7.5% 升至 11.9%。布林称谷歌「踏上 RSI(递归自我改进)的跑步机」——尚无独立核验,但两周一代的迭代速度与这两个数字互相印证。
验证复利。 见第一章那张表:Carbon 的三项强化全部指向「对错可自动判定」的任务。这类环境里强化学习可以无限自我对练,不需要人类标注。它在 UI 审美、SVG 设计上表现平平——因为对错依赖主观偏好,缺验证信号。
这一轮的护城河不是参数,是「能自动判对错」的任务环境。谁拥有验证器,谁就拥有训练数据的印钞机。
中国的底牌:把智能做成水电
算力与替代。 智能算力规模 2,185 EFLOPS(同比 +177%),八大枢纽贡献 80% 以上(工信部,截至 6 月底)。徐直军 10 月披露:昇腾在中国 AI 加速器份额约 50%,英伟达约 8%——2022 年是 95% vs 3%。昇腾单卡不靠性能领先,靠系统:Atlas 950 超节点用灵衢总线连 25.6 万张卡,瞄准 10 万亿–40 万亿参数训练。950PR 推理卡今年一季度小批量,950DT 训练超节点年底规模供货;DeepSeek 规划部署 16 万颗 950DT,V5 将原生基于昇腾训练。
电与交付。 美国 AI 数据中心瓶颈已从 GPU 转向电力:摩根士丹利测算 2028 年需求 116 吉瓦、缺口约 70 吉瓦;变压器交货 3–4 年,并网中位 5 年——而模型迭代周期是两周。中国另一本账:乌兰察布到户电价 0.32–0.36 元/度、PUE 1.2 以下、100MW 级交付约 12 个月、单兆瓦建设成本 550–650 万美元(美国 800–1,200 万)——同样资本开支,在中国能买到约 1.5 倍算力。「电便宜,词元就便宜」是一条可核算的传导链。
开发者用脚投票。 OpenRouter 周榜前五全是中国模型,DeepSeek V4.1 Flash 单周 33.6 万亿(环比 +801%);a16z 称约 80% 美国 AI 初创路演时使用中国开源模型;新加坡国家级「海狮」模型转向通义千问基座。
但底牌有裂缝:昇腾 950「连国内需求都喂不饱」(徐直军);CUDA 十年惯性仍在,迁移要改算子、验精度、测收敛;合规 H 系列已撑不起 V4/V5 级训练,国产替代是「唯一选项」而非「最优选项」;六家收入合计不到美头部两家的九分之一。
规模能买来时间,买不来上界。中国最富余的是算力的量,最稀缺的是任务的难。
蒸馏争议:API 本身就是数据出口
10 月 28 日 The Information 报道:Kimi K3.1 Pro 与 DeepSeek V4.1 Flash 1017 在训练中「大量使用」GPT-6 Astra 的输出;信源匿名,未披露数据量与获取方式,未认定违法,三方均未回应。此前 OpenAI 9/30 披露:7 月 24–25 日超 4,000 名用户发起 1.6 万次请求,28 日阻断,核心群体「与月之暗面有关」;Anthropic 称新防御使蒸馏攻击获取的数据量下降 90%–99%。
90%–99% 这个数字比指控更有信息量——等于承认攻击真实存在、规模不小、反制有效。结构问题是:模型公司按 token 卖服务,但每个输出 token 同时是一份训练样本,没法既敞开卖又指望没人拿。防守正从「事后追责」转向「接口层拦截」,成本最终由开发者买单。X 上相关质疑讨论超 5,300 条——未必成立,但说明一个事实:当榜单改版与蒸馏指控发生在同一周,人们很难不联系起来。
公司志:两种阵型
| 公司 | 关键数字 | 点评 |
|---|---|---|
| Carbon 59 分、14 项基准 12 项第一、两周迭代 | 唯一同时拥有模型/TPU/云/分发/现金流的玩家;RSI 若成立,复利最快 | |
| Anthropic | ARR 800 亿美元(10 月)、估值 9,650 亿、算力合同 6,570 亿 | 商业化最强:十个月 ARR 近九倍,企业 Agent 真的开始付费了 |
| OpenAI | ARR 500 亿、估值 1.25 万亿、上市推迟至 2027 | 消费心智仍在,企业端被反超,算力与现金流压力最大 |
| Meta / xAI | — | 开源路线被中国成本击穿;xAI 并入 SpaceX 后重心漂移 |
| 公司 | 关键数字 | 点评 |
|---|---|---|
| DeepSeek | AA 32、单任务 0.26 美元、ARR 约 10 亿、估值 520–710 亿 | 用「足够好+足够便宜」清场;V5 上昇腾是成人礼,也是大考 |
| 月之暗面 | AA 46(中国最高)、估值 500 亿、已递表港股 | 把上限抬到 46 的人;46 与 59 之间是一整个「长程可靠性」代差 |
| 智谱 | ARR 18 亿、港股上市、Co-work 订单超 10 亿 | 最像企业软件公司的模型厂商 |
| 阿里 | 千问 MAU 1.58 亿、MaaS 24 亿、开源衍生全球第一 | 唯一有「模型—云—场景」完整闭环的中国玩家 |
| 字节 | 豆包 MAU 4.19 亿、AI 收入目标 40 亿 | 把模型做成内容工业的水电;模型能力不是第一优先级 |
| MiniMax | ARR 8 亿、视频/语音差异化 | 规模最小,但单位经济模型最像产品公司 |
(来源:FT、Reuters、WSJ、The Information、Bloomberg、Epoch AI、QuestMobile、公司披露)
美国两家收入是中国六家的 9.5 倍,调用量却是 1/4.2——薄利多销与厚利少销的区别:一种换生态,一种换利润,但只有一种养得活下一代前沿模型。
归纳与展望
五条规律:换评测体系等于换竞争维度(3→13);上界与底面是两条曲线(13 分 vs 4.2 倍);护城河是可验证任务环境(Carbon 三项强化);资本开支复利正把差距变成结构性(6,900 亿 capex + 6,570 亿合同 + 两周一代);中国的优势是系统成本而非单点技术(电价、交付、建设成本 −30–45%)。
综合指向一个判断:中美大模型差距正从「模型差距」变成「系统差距」——前者一次架构创新可追平,后者要资本、能源、数据、验证环境一起追,以年计。
三种情景(作者判断):固化分工 50%——美国守 10–15 分上界,中国守 4 倍规模,中国模型「无处不在,但不在最贵的地方」;震荡拉锯 30%——昇腾 950 新基座补 10 分,RSI 压缩美国迭代周期,榜单月月换、结论年年不变;换道超车 20%——战场转向具身智能/世界模型,中国凭制造业场景与机器人供应链拿到结构性优势。
五个观察指标:① AA v5 中国最高分能否过 52;② 950DT 明年一季度能否支撑 3 家以上基座训练;③ OpenRouter 中国份额能否守住 60%;④ Anthropic 与 OpenAI 的 ARR 增速差;⑤ 0.26 美元单任务成本是否止跌——再降就是全行业亏损换规模。
结语
13 分,量的是「能不能连续三天把一件事做对」;4.2 倍,量的是「能不能让一亿人用得起」。
美国在造一台能自己加速的机器:资本锁算力,算力喂模型,模型写代码,代码加速下一代模型——两周一代是它的转速表。中国在造一张能无限铺开的网:电把算力变便宜,算力把 token 变便宜,token 把智能铺到每个开发者——4.2 倍调用量是它的水位线。
机器比网跑得快,网比机器铺得广。 短期机器的上界继续领先,长期网的规模定义标准。真正的问题不是「能不能追上」,而是:当智能变成水电,谁掌握「验证什么是对的」的权力——美国的答案写在 Carbon 的三项强化里,中国的答案写在 2,185 EFLOPS 和 0.26 美元里。
差距拉大的不是模型,是「谁能定义什么叫做对了」。这个问题,比 13 分重要得多。
主要信息来源
• Artificial Analysis Intelligence Index v4(2026-10-24)/ v5.0(2026-10-27);SuperCLUE 2026 年 11 月榜(11-05)
• Google DeepMind Gemini 4 Carbon 官方评测方法页(2026-10-28)
• OpenRouter 周度数据(2026-10-19 至 10-25);斯坦福《2026 AI 指数》;Mozilla《开源 AI 现状》1.1(METR 数据)
• Epoch AI《中国 AI 公司如何获利》(2026-10-06);InfoWorld 2026 年云资本开支统计
• The Information(2026-10-28 蒸馏报道);OpenAI 官方博文(2026-09-30);Anthropic 反蒸馏披露
• 华为全联接大会 2026(徐直军,10-05);工信部智能算力数据(截至 2026-06);伍德麦肯兹《2026 全球数据中心建设成本调查》;摩根士丹利美国电力缺口测算
• FT、Reuters、WSJ、Bloomberg、QuestMobile 及各公司财报与招股书
注:厂商自述数据(基准成绩、ARR)未经独立审计;匿名信源指控注明「当事方未回应」,不构成事实认定。情景概率为作者判断,不构成投资建议。
—— 完 ——

发表评论